1.一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，包括以下步骤：步骤1：获取并网运行的微电网优化调度系统的各项参数；

步骤2：根据微电网并网约束条件和各项参数建立微电网优化调度系统的最终目标函数；

步骤3：采用改进布谷鸟算法对最终目标函数进行求解，获得微电网最佳输出功率，根据微电网最佳输出功率制定调度策略；

步骤31：采用SPM复合混沌映射初始化种群，计算每个鸟巢的适应度值，每个适应度值对应一组解，选取最优的适应度值；

步骤32：根据动态Levy变步长策略进行全局搜索，对鸟巢进行更新，计算每个鸟巢的当前适应度值，并从当前适应度值中选择当前最优的适应度值与步骤31中的最优的适应度值对比，选取出最优的适应度值及对应的解；

步骤33：采用动态自适应发现概率策略调整发现概率，获得动态发现概率Pa；

步骤34：用random函数生成随机数R∈(0,1)与鸟巢的动态发现概率Pa进行比较；若R＞Pa，根据改进局部偏好游走策略进行局部搜索，对鸟巢进行更新，计算当前适应度值；否则，保留当前鸟巢及适应度值；并从当前鸟巢的适应度值中选择最优的适应度值与步骤32中最优的适应度值进行对比，选取出最优的适应度值及对应的解；

改进局部偏好游走策略是在布谷鸟算法的偏好游走策略中添加指数递减惯性权重和自适应缩放因子，对鸟巢进行更新，其公式为：ω＝ω1‑(ω1‑ω2)*exp(‑λ*(N_iter/Max_iter)Q)其中， 分别指第i个鸟巢的第t+1、t维鸟巢位置； 分别为第m、n个鸟巢在第t维迭代中的鸟巢位置，m、n∈i；λ、Q分别为惯性系数；ω1和ω2分别为惯性权重参数；属于(0,1)的随机数R改进为随迭代次数动态递减的自适应缩放因子1/N_iter；

步骤35：从当前鸟巢的适应度值中选择最差适应度值，利用最差适应度值对应的解对最优的适应度值对应的解进行扰动并反向学习，对最优适应度值对应的最优鸟巢进行更新，计算最优鸟巢的当前适应度值，并与步骤34所有鸟巢的适应度值进行对比，选取出最优适应度值及对应的最优解；

将布谷鸟算法中丢弃最差解策略改为利用最差适应度值对应的解对最优的适应度值对应的解进行扰动并反向学习，其公式表示为：其中， 分别为第i个鸟巢在第t+1、t维鸟巢位置； 为第i个鸟巢在第t维的上限和下限； 为第i个鸟巢在第t维更新中最差适应度值；将最优的适应度值对应的解的每一维与最差适应度值对应的解的每一维相乘，实现对最优解的扰动，并进行反向学习实现对最优解对应的最优鸟巢的更新；解的每一维即t的每个取值对应分布式电源中各机组输出功率中的一个输出功率；

步骤36：如果当前迭代次数等于设定的最大迭代次数，或满足预设的求解精度，则停止迭代并进入步骤37，否则，返回步骤32；

步骤37：将步骤35中选择的最优解包括各机组输出功率，作为微电网最佳输出功率。

2.根据权利要求1所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，步骤2中采用加权和法建立最终目标函数，最终目标函数包括分布式电源并网经济运行成本的目标函数和环境污染处理成本的目标函数，最终目标函数minC表示为：min C＝min C1,COST+min C2,COST

其中，minC1,COST和minC2,COST分别表示分布式电源并网经济运行成本的目标函数和环境污染处理成本的目标函数。

3.根据权利要求2所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，分布式电源并网经济运行成本的目标函数为：min C1,COST＝min(CFC(t)+CMT(t)+COM(t)+Cgrid,1(t))其中，CMT(t)为微型燃气轮机在t时刻的燃料成本；CFC(t)为燃料电池在t时刻的燃料成本；COM(t)为t时刻系统中各机组的运行维护成本；Cgrid,1(t)为电网交互成本；KOM,i为第i种分布式电源运行维护系数；Pi(t)为t时刻第i种分布式电源输出功率；Cbuy(t)、Csell(t)分别为t时刻购买电价、出售电价；Pbuy(t)、Psell(t)分别为t时刻购买电功率、出售电功率；

微型燃气轮机在t时刻的燃料成本表示为：

其中，C为天然气单价；LHV为天然气低热值；PMT(t)为微型燃气轮机在t时刻的输出功率；ηMT(t)为微型燃气轮机发电效率；

燃料电池在t时刻的燃料成本表示为：

ηFC(t)＝‑0.0023PFC(t)+0.6735

其中，PFC(t)为燃料电池在t时刻的输出功率，ηFC(t)为燃料电池发电效率。

4.根据权利要求2所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，所述环境污染处理成本的目标函数表示为：min C2,COST＝min(CDG(t)+Cgrid,2(t))其中，αi为第i种污染物单位处理成本，污染物包括SO2、NOx和CO；βFC、βMT、βgrid分别为燃料电池污染物排放系数、微型燃气轮机污染物排放系数、微电网并网污染物排放系数；CDG(t)为分布式电源环境污染处理成本总和；Cgrid,2(t)为微电网并网环境污染处理成本总和；

Pgrid(t)为微电网与主网的交互功率。

5.根据权利要求1所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，所述步骤2中微电网并网约束条件包含微电网功率平衡约束、分布式电源输出功率约束、微电网与主网交互功率约束、微型燃气轮机爬坡约束及储能蓄电池约束。

6.根据权利要求1所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，将Sine映射和分段线性混沌映射结合获得SPM复合混沌映射，步骤31中采用SPM复合混沌映射初始化种群，其公式为：其中，混沌随机扰动参数r∈(0,1)，η∈(0,1)，μ∈(0,1)； 分别指第i个鸟巢的第t+1、t维鸟巢位置。

7.根据权利要求1所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，步骤32中动态Levy变步长策略是将固定步长因子改进为非线性递减动态自适应步长因子，其公式为：α′＝0.001×Max_iter×exp(‑(N_iter/Max_iter))其中， 分别指第i个鸟巢的第t+1、t维鸟巢位置；N_iter表示当前迭代次数；

Max_iter表示最大迭代次数；α′为改进的变步长控制因子；L为Levy随机飞行路径；u和v为标准正态随机分布变量；Γ为Gamma函数；β为Levy飞行控制因子；Φ为动态Levy变步长策略中的代指参数。

8.根据权利要求1所述的一种基于改进布谷鸟算法的微电网并网运行优化调度方法，其特征在于，步骤33中采用动态自适应发现概率策略对布谷鸟算法的发现概率进行动态自适应调整获得动态发现概率Pa；动态发现概率Pa的表达公式为：Pa＝Pamax‑(Pamax‑Pamin)×(N_iter/Max_iter)其中，Pamin为最小发现概率；Pamax为最大发现概率；N_iter表示当前迭代次数；Max_iter表示最大迭代次数。